CN110262512B - 一种移动机器人脱离u形障碍陷阱的避障方法及*** - Google Patents

一种移动机器人脱离u形障碍陷阱的避障方法及*** Download PDF

Info

Publication number
CN110262512B
CN110262512B CN201910629400.1A CN201910629400A CN110262512B CN 110262512 B CN110262512 B CN 110262512B CN 201910629400 A CN201910629400 A CN 201910629400A CN 110262512 B CN110262512 B CN 110262512B
Authority
CN
China
Prior art keywords
wall
robot
following
following behavior
trap
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910629400.1A
Other languages
English (en)
Other versions
CN110262512A (zh
Inventor
赵玉飞
董彦鹏
镡雄师
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Machinery Equipment Research Institute
Original Assignee
Beijing Machinery Equipment Research Institute
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Machinery Equipment Research Institute filed Critical Beijing Machinery Equipment Research Institute
Priority to CN201910629400.1A priority Critical patent/CN110262512B/zh
Publication of CN110262512A publication Critical patent/CN110262512A/zh
Application granted granted Critical
Publication of CN110262512B publication Critical patent/CN110262512B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种移动机器人脱离U形障碍陷阱的避障方法及***，属于移动机器人避障领域，解决了现有技术避障成功率低的问题。该方法包括以下步骤：机器人陷入U形障碍陷阱，启动沿墙行为；根据当前机器人航向与目标航向的转角，确定初次沿墙行为的模式；当机器人当前位置与之前任一次沿墙行为起点位置的差值小于预设值时，机器人启用与之前任一次沿墙行为对应相反的沿墙行为模式；沿墙行为的模式包括沿左墙行为模式和沿右墙行为模式；直至机器人脱离U形障碍陷阱，退出沿墙行为。实现了提高移动机器人脱离U形陷阱障碍陷阱的成功率。

Description

一种移动机器人脱离U形障碍陷阱的避障方法及***
技术领域
本发明涉及移动机器人避障技术领域，尤其涉及一种移动机器人脱离U形障碍陷阱的避障方法及***。
背景技术
移动机器人在复杂环境运动时，墙壁和其他障碍物往往是U形结构环境，由于机器人视野局限性和缺乏先验知识，极易对机器人构成一种U形障碍陷阱。U形障碍陷阱是在局部障碍和目标点的双重作用下产生的，会导致机器人运动出现震荡或沿一闭合航线往返移动而无法到达目标点。
脱离U形障碍陷阱是移动机器人避障研究中的一个重要研究内容。针对此问题有许多改进方法，可引入随机逃脱、全局搜索、沿墙运动等策略脱离U形障碍陷阱。随机逃脱策略随机性大，可靠性低，全局搜索依赖全局先验知识。在确保有限沿墙路径长度的前提下，沿墙运动是摆脱U形障碍环境的一种有效处理机制。机器人沿墙运动的行为功能是暂时放弃目标导引，只跟随U形障碍陷阱的轮廓线运动，直到脱离U形障碍陷阱结束。传统沿墙运动方法，机器人通过沿着障碍物边缘单向运动，逃离U形障碍陷阱，简单实用，且在一定程度上可以保证规划的完备性。但单向沿墙运动规则简单，只能应对简单U形障碍，面对复杂多样的U形障碍，脱离局部陷阱的成功率低。
现有技术存在以下缺点：一是随机逃脱策略随机性大，可靠性低，全局搜索依赖全局先验知识；二是传统沿墙运动方法，机器人只能沿障碍物边缘单项运动，面对复杂多样的U形障碍，脱离局部陷阱的成功率低。
发明内容
鉴于上述的分析，本发明旨在提供一种移动机器人脱离U形障碍陷阱的避障方法及***，用以解决现有避障技术脱离U形障碍陷阱成功率低的问题。
一方面，本发明提供了一种移动机器人脱离U形障碍陷阱的避障方法，具体步骤为：机器人陷入U形障碍陷阱，启动沿墙行为；根据当前机器人航向与目标航向的转角，确定初次沿墙行为的模式；当机器人当前位置与之前任一次沿墙行为起点位置的差值小于预设值时，机器人启用与之前任一次沿墙行为对应相反的沿墙行为模式；沿墙行为的模式包括沿左墙行为模式和沿右墙行为模式；直至机器人脱离U形障碍陷阱，退出沿墙行为。
进一步的，机器人陷入U形障碍陷阱包括机器人出现震荡运动现象或机器人出现绕圈运动现象；
当||Xr(t+ΔTl)-Xr(t)||＜ε1时，机器人出现震荡运动现象；
当
Figure BDA0002128254020000021
时，机器人出现绕圈运动现象；
其中，在XOY笛卡尔直角坐标系中，Xr(t)为机器人在t时刻的二维位置，Xr(t+ΔTl)为机器人经过ΔTl时间段后的位置坐标，ε1为预设距离阈值，
Figure BDA0002128254020000022
为转角限幅函数，θg为目标位置Xg与X轴的夹角，
Figure BDA0002128254020000023
为机器人航向与X轴的夹角。
进一步的，预设距离阈值ε1的具体表达式为：
ε1＝γuminΔTl
其中，γ∈[0，1]，umin是机器人的最小运动速度，为机器人***参数。
进一步的，转角限幅函数的具体表达式为：
Figure BDA0002128254020000031
进一步的，根据机器人航向与目标航向的转角，确定沿墙行为模式，具体方法为：
当转角限幅函数
Figure BDA0002128254020000032
满足
Figure BDA0002128254020000033
时，启用沿左墙行为模式，此时沿墙行为模式标志为flagfw＝1；
当转角限幅函数
Figure BDA0002128254020000034
满足
Figure BDA0002128254020000035
时，启用沿右墙行为模式，此时沿墙行为模式标志为flagfw＝-1。
进一步的，记录机器人每个沿墙行为的起点位置Xs、沿墙行为模式标志flagfw和沿墙运动航迹；
当||Xr(t)-Xs||＜ε2时，置反与Xs对应的沿墙行为标志flagfw，根据置反后的沿墙行为模式标志flagfw确定沿墙行为模式；否则，保持当前的沿墙行为模式；
其中，预设值ε2的取值范围为1m～3m。
进一步的，机器人运动状态同时满足下述情形，确定机器人脱离U形障碍陷阱，退出沿墙行为模式：
①
Figure BDA0002128254020000036
②连接机器人当前位置与目标点的线段与沿墙运动航迹不相交；
③TickCount≥Tstop；
其中，TickCount是监视时钟，Tstop为预设的周期个数。
进一步的，TickCount监视时钟为沿墙行为模式的保护机制，在沿墙行为模式开始的同时启用TickCount监视时钟，TickCount按决策周期时间累计周期个数，当TickCount超出预设的周期个数Tstop，保护失效。
根据上述技术方案，本发明的有益效果如下：
1、引入沿墙行为模式反转机制，来辅助避障决策，提高了移动机器人脱离U形障碍局部陷阱的成功率；
2、通过记录机器人每个沿墙行为的起点位置、沿墙行为模式标志和沿墙运动航迹，具体实施沿墙行为模式是否反转的判断；
3、引入沿墙行为时间保护机制，避免不同沿墙行为模式之间的频繁切换而出现的运动震荡，提高了机器人安全性和脱离局部陷阱的成功率。
另一方面，本发明还提供了一种移动机器人脱离U形障碍陷阱的避障***，包括沿墙行为启动模块、沿墙行为模式确定模块和沿墙行为退出模块；墙行为启动模块用于在机器人陷入U形障碍陷阱时，启动沿墙行为；沿墙行为模式确定模块，用于根据机器人航向与目标航向的转角，确定初次沿墙行为的模式；并用于在机器人当前位置与之前任一次沿墙行为起点位置的差值小于预设值时，机器人启用与之前任一次沿墙行为对应相反的沿墙行为模式；沿墙行为的模式包括沿左墙行为模式和沿右墙行为模式；沿墙行为退出模块，用于在机器人脱离U形障碍陷阱，退出沿墙行为。
进一步的，沿墙行为退出模块，在机器人运动状态同时满足下述情形，确定机器人脱离U形障碍陷阱，退出沿墙行为模式：
①
Figure BDA0002128254020000041
②连接机器人当前位置与目标点的线段与沿墙运动航迹不相交；
③TickCount≥Tstop；
其中，在XOY笛卡尔直角坐标系中，θg为目标位置Xg与X轴的夹角，
Figure BDA0002128254020000051
为机器人航向与X轴的夹角，
Figure BDA0002128254020000052
为转角限幅函数；TickCount为监视时钟，Tstop为预设的周期个数。
由于本发明中的移动机器人脱离U形障碍陷阱的避障***与上述移动机器人脱离U形障碍陷阱的方法原理相同，所以该***也具有与上述方法相应的技术效果。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制。
图1为移动机器人脱离U形障碍陷阱的避障方法流程图；
图2为沿左墙行为模式示意图；
图3为沿右墙行为模式示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
方法实施例：
本发明的一个具体实施例，公开了一种移动机器人脱离U形障碍陷阱的避障方法，如图1所示，包括以下步骤：机器人陷入U形障碍陷阱，启动沿墙行为；根据当前机器人航向与目标航向的转角，确定初次沿墙行为的模式；当机器人当前位置与之前任一次沿墙行为起点位置的差值小于预设值时，机器人启用与之前任一次沿墙行为对应相反的沿墙行为模式；沿墙行为的模式包括沿左墙行为模式和沿右墙行为模式；直至机器人脱离U形障碍陷阱，退出沿墙行为。
为了应对复杂的U形障碍陷阱，提高沿墙行为的可靠性，采用运动轨迹和运动方向记忆机制。为防止移动机器人沿闭合曲线做重复运动，两种沿墙模式在运动过程中发生反转，在不同的沿墙模式中做尝试。当一次沿墙行为结束后，机器人将在目标引导下再次回到上次沿墙行为的起点位置附近，若按机器人航向与目标航向的关系进行判断，还会采取与上次相同的沿墙模式，就会产生重复沿墙运动。为了防止此情况的发生，根据机器人记录的每次沿墙运动的起点位置和沿墙标志，一旦再次运动到之前沿墙行为的起点位置附近，并进行沿墙运动时，则启动与之前沿墙行为相反的沿墙行为模式，以提高脱离U形障碍陷阱的成功率。
具体的，机器人陷入U形障碍陷阱包括机器人出现震荡运动现象或机器人出现绕圈运动现象；
当||Xr(t+ΔTl)-Xr(t)||＜ε1时，机器人出现震荡运动现象；
当
Figure BDA0002128254020000061
时，机器人出现绕圈运动现象；
其中，在XOY笛卡尔直角坐标系中，Xr(t)为机器人在t时刻的二维位置，Xr(t+ΔTl)为机器人经过ΔTl时间段后的位置坐标，ε1为预设距离阈值，
Figure BDA0002128254020000062
为转角限幅函数，θg为目标位置Xg与X轴的夹角，
Figure BDA0002128254020000063
为机器人航向与X轴的夹角。
优选的，预设距离阈值ε1的具体表达式可以为：
ε1＝γuminΔTl
其中，γ∈[0，1]，umin是机器人的最小运动速度，为机器人***参数；ΔTl为时间间隔，即在一定时间间隔内，移动机器人的移动距离很小，则表明机器人出现震荡运动现象，陷入U形障碍陷阱，此时，则需要启动沿墙行为。
考虑到要确保转角在(-180°，180°]的范围内，因此转角限幅函数的具体表达式为：
Figure BDA0002128254020000071
在具体实施时，进入沿墙行为后，还需要确定初次沿墙行为的模式。
优选的，根据机器人航向与目标航向的转角，确定初次沿墙行为模式。
如图2所示的情况下，当转角限幅函数
Figure BDA0002128254020000072
满足
Figure BDA0002128254020000073
时，移动机器人的航向偏离目标点，在目标点的右侧，需要启用沿左墙行为模式，此时沿墙行为模式标志为flagfw＝1；
如图3所示的情况下，当转角限幅函数
Figure BDA0002128254020000074
满足
Figure BDA0002128254020000075
时，移动机器人的航向偏离目标点，在目标点的左侧，需要启用沿右墙行为模式，此时沿墙行为模式标志为flagfw＝-1。
为了确定下次沿墙行为是否需要反转，需要调用之前任一次沿墙行为的数据，为了方便调用及判断，可以记录机器人每个沿墙行为的起点位置Xs、沿墙行为模式标志flagfw和沿墙运动航迹。
具体是否需要反转，可通过以下判断条件来实现：
当||Xr(t)-Xs||＜ε2时，即机器人当前位置与之前某次沿墙行为的起点位置Xs很接近，则置反与Xs对应的沿墙行为标志flagfw，根据置反后的沿墙行为模式标志flagfw确定沿墙行为模式；否则，保持当前的沿墙行为模式；
其中，预设值ε2的取值范围为1m～3m。
为了保证移动机器人脱离U形陷阱障碍的可靠性、安全性和成功率，机器人运动状态需同时满足下述情形，确定机器人脱离U形障碍陷阱，退出沿墙行为模式：
①
Figure BDA0002128254020000081
②连接机器人当前位置与目标点的线段与沿墙运动航迹不相交；
③TickCount≥Tstop；
其中，TickCount是监视时钟，Tstop为预设的周期个数。
具体的，TickCount监视时钟为沿墙行为模式的保护机制，在沿墙行为模式开始的同时启用TickCount监视时钟，TickCount按决策周期时间累计周期个数，当TickCount超出预设的周期个数Tstop，保护失效。
针对一般的U形障碍陷阱，转角限幅函数的绝对值小于90°表示U形障碍物已被绕过。面对更复杂的U形障碍陷阱，为了防止沿墙行为的重复发生，设计了情形②，若连接机器人当前位置与目标点的线段与沿墙运动航迹相交，则机器人无法退出沿墙行为，会继续原来的沿墙行为模式，直至脱离U形障碍陷阱，通过引入航迹的记忆信息，提高了沿墙行为逃离陷阱的可靠性。为了提高机器人安全性和脱离局部陷阱的成功率引入了沿墙行为的时间保护机制③，可延长沿墙行为的作用时间；并且TickCount的引入可以防止不同行为模式之间频繁切换而出现运动震荡，且在退出沿墙行为模式后TickCount清零。
本实施例提供的移动机器人脱离U形障碍陷阱的避障方法，与现有技术相比，首先，引入沿墙行为模式反转机制，来辅助避障决策，提高了移动机器人脱离U形障碍局部陷阱的成功率；其次，通过记录机器人每个沿墙行为的起点位置、沿墙行为模式标志和沿墙运动航迹，具体实施沿墙行为模式是否反转的判断；最后，引入了沿墙行为时间保护机制，避免不同沿墙行为模式之间的频繁切换而出现的运动震荡，提高了机器人安全性和脱离局部陷阱的成功率。
***实施例：
本发明还提供了一种移动机器人脱离U形障碍陷阱的避障***，包括沿墙行为启动模块、沿墙行为模式确定模块和沿墙行为退出模块；墙行为启动模块用于在机器人陷入U形障碍陷阱时，启动沿墙行为；沿墙行为模式确定模块，用于根据机器人航向与目标航向的转角，确定初次沿墙行为的模式；并用于在机器人当前位置与之前任一次沿墙行为起点位置的差值小于预设值时，机器人启用与之前任一次沿墙行为对应相反的沿墙行为模式；沿墙行为的模式包括沿左墙行为模式和沿右墙行为模式；沿墙行为退出模块，用于在机器人脱离U形障碍陷阱，退出沿墙行为。
具体的，沿墙行为退出模块，在机器人运动状态同时满足下述情形，确定机器人脱离U形障碍陷阱，退出沿墙行为模式：
①
Figure BDA0002128254020000091
②连接机器人当前位置与目标点的线段与沿墙运动航迹不相交；
③TickCount≥Tstop；
其中，在XOY笛卡尔直角坐标系中，θg为目标位置Xg与X轴的夹角，
Figure BDA0002128254020000101
为机器人航向与X轴的夹角，
Figure BDA0002128254020000102
为转角限幅函数；TickCount为监视时钟，Tstop为预设的周期个数。
针对一般的U形障碍陷阱，转角限幅函数的绝对值小于90°表示U形障碍物已被绕过。面对更复杂的U形障碍陷阱，为了防止沿墙行为的重复发生，设计了情形②，若连接机器人当前位置与目标点的线段与沿墙运动航迹相交，则机器人无法退出沿墙行为，会继续原来的沿墙行为模式，直至脱离U形障碍陷阱，通过引入航迹的记忆信息，提高了沿墙行为逃离陷阱的可靠性。为了提高机器人安全性和脱离局部陷阱的成功率引入了沿墙行为的时间保护机制③，可延长沿墙行为的作用时间；在沿墙行为模式开始的同时启用TickCount监视时钟，TickCount按决策周期时间累计周期个数，当TickCount超出预设的周期个数Tstop，保护失效；并且TickCount的引入可以防止不同行为模式之间频繁切换而出现运动震荡，且在退出沿墙行为模式后TickCount清零。
本实施例提供的移动机器人脱离U形障碍陷阱的避障***，与现有技术相比，首先，引入沿墙行为模式反转机制，来辅助避障决策，提高了移动机器人脱离U形障碍局部陷阱的成功率；其次，通过记录机器人每个沿墙行为的起点位置、沿墙行为模式标志和沿墙运动航迹，具体实施沿墙行为模式是否反转的判断；最后，引入了沿墙行为时间保护机制，避免不同沿墙行为模式之间的频繁切换而出现的运动震荡，提高了机器人安全性和脱离局部陷阱的成功率。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种移动机器人脱离U形障碍陷阱的避障方法，其特征在于，包括以下步骤：
机器人陷入U形障碍陷阱，启动沿墙行为；
根据当前机器人航向与目标航向的转角，确定初次沿墙行为的模式；
当机器人当前位置与之前任一次沿墙行为起点位置的差值小于预设值时，机器人启用与所述之前任一次沿墙行为对应相反的沿墙行为模式；所述沿墙行为的模式包括沿左墙行为模式和沿右墙行为模式；
直至机器人脱离U形障碍陷阱，退出沿墙行为；其中，
所述机器人运动状态同时满足下述情形，确定所述机器人脱离U形障碍陷阱，退出沿墙行为模式：
①
Figure FDA0003436114340000011
②连接机器人当前位置与目标点的线段与沿墙运动航迹不相交；
③TickCount≥Tstop；
其中，
Figure FDA0003436114340000012
为转角限幅函数，其具体表达式为：
Figure FDA0003436114340000013
θg为目标位置Xg与X轴的夹角，
Figure FDA0003436114340000014
为机器人航向与X轴的夹角；
TickCount是监视时钟，Tstop为预设的周期个数。
2.根据权利要求1所述的一种移动机器人脱离U形障碍陷阱的避障方法，其特征在于，所述机器人陷入U形障碍陷阱包括机器人出现震荡运动现象或机器人出现绕圈运动现象；
当||Xr(t+ΔTl)-Xr(t)||＜ε1时，机器人出现震荡运动现象；
当
Figure FDA0003436114340000015
时，机器人出现绕圈运动现象；
其中，在XOY笛卡尔直角坐标系中，Xr(t)为机器人在t时刻的二维位置，Xr(t+ΔTl)为机器人经过ΔTl时间段后的位置坐标，所述ε1为预设距离阈值。
3.根据权利要求2所述的一种移动机器人脱离U形障碍陷阱的避障方法，其特征在于，所述预设距离阈值ε1的具体表达式为：
ε1＝γuminΔTl
其中，γ∈[0,1]，umin是机器人的最小运动速度，为机器人***参数。
4.根据权利要求1所述的一种移动机器人脱离U形障碍陷阱的避障方法，其特征在于，所述根据机器人航向与目标航向的转角，确定沿墙行为模式，具体方法为：
当所述转角限幅函数
Figure FDA0003436114340000021
满足
Figure FDA0003436114340000022
时，启用沿左墙行为模式，此时沿墙行为模式标志为flagfw＝1；
当所述转角限幅函数
Figure FDA0003436114340000023
满足
Figure FDA0003436114340000024
时，启用沿右墙行为模式，此时沿墙行为模式标志为flagfw＝-1。
5.根据权利要求1所述的一种移动机器人脱离U形障碍陷阱的避障方法，其特征在于，还包括记录机器人每个沿墙行为的起点位置Xs、沿墙行为模式标志flagfw和沿墙运动航迹；
当||Xr(t)-Xs||＜ε2时，置反与所述Xs对应的沿墙行为标志flagfw，根据所述置反后的沿墙行为模式标志flagfw确定沿墙行为模式；否则，保持当前的沿墙行为模式；
其中，所述预设值ε2的取值范围为1m～3m。
6.根据权利要求1所述的一种移动机器人脱离U形障碍陷阱的避障方法，其特征在于，所述TickCount监视时钟为沿墙行为模式的保护机制，在沿墙行为模式开始的同时启用所述TickCount监视时钟，TickCount按决策周期时间累计周期个数，当TickCount超出预设的周期个数Tstop，保护失效。
7.一种移动机器人脱离U形障碍陷阱的避障***，其特征在于，包括：
沿墙行为启动模块，用于在机器人陷入U形障碍陷阱时，启动沿墙行为；
沿墙行为模式确定模块，用于根据机器人航向与目标航向的转角，确定初次沿墙行为的模式；并用于在机器人当前位置与之前任一次沿墙行为起点位置的差值小于预设值时，机器人启用与所述之前任一次沿墙行为对应相反的沿墙行为模式；所述沿墙行为的模式包括沿左墙行为模式和沿右墙行为模式；
沿墙行为退出模块，用于在机器人脱离U形障碍陷阱，退出沿墙行为；其中，
所述沿墙行为退出模块，在机器人运动状态同时满足下述情形，确定所述机器人脱离U形障碍陷阱，退出沿墙行为模式：
①
Figure FDA0003436114340000031
②连接机器人当前位置与目标点的线段与沿墙运动航迹不相交；
③TickCount≥Tstop；
其中，在XOY笛卡尔直角坐标系中，θg为目标位置Xg与X轴的夹角，
Figure FDA0003436114340000032
为机器人航向与X轴的夹角，
Figure FDA0003436114340000033
为转角限幅函数，其具体表达式为：
Figure FDA0003436114340000034
TickCount为监视时钟，Tstop为预设的周期个数。
CN201910629400.1A 2019-07-12 2019-07-12 一种移动机器人脱离u形障碍陷阱的避障方法及*** Active CN110262512B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910629400.1A CN110262512B (zh) 2019-07-12 2019-07-12 一种移动机器人脱离u形障碍陷阱的避障方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910629400.1A CN110262512B (zh) 2019-07-12 2019-07-12 一种移动机器人脱离u形障碍陷阱的避障方法及***

Publications (2)

Publication Number Publication Date
CN110262512A CN110262512A (zh) 2019-09-20
CN110262512B true CN110262512B (zh) 2022-03-29

Family

ID=67925917

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910629400.1A Active CN110262512B (zh) 2019-07-12 2019-07-12 一种移动机器人脱离u形障碍陷阱的避障方法及***

Country Status (1)

Country Link
CN (1) CN110262512B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE545284C2 (en) * 2019-12-12 2023-06-20 Husqvarna Ab Exit path determination for a robotic work tool
CN111487963A (zh) * 2020-03-30 2020-08-04 北京理工大学 一种机器人自主避障方法

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5109566A (en) * 1990-06-28 1992-05-05 Matsushita Electric Industrial Co., Ltd. Self-running cleaning apparatus
US5974347A (en) * 1997-03-14 1999-10-26 Nelson; Russell G. Automated lawn mower
CN101354587A (zh) * 2008-09-04 2009-01-28 湖南大学 一种未知环境下移动机器人多行为融合自动导航方法
CN101738195A (zh) * 2009-12-24 2010-06-16 厦门大学 基于环境建模与自适应窗口的移动机器人路径规划方法
CN101833333A (zh) * 2009-12-23 2010-09-15 湖南大学 水下清洗作业机器人未知环境路径规划方法
WO2013152675A1 (zh) * 2012-04-13 2013-10-17 科沃斯机器人科技(苏州)有限公司 自移动地面处理机器人及其清洁工作的控制方法
CN104571113A (zh) * 2015-01-20 2015-04-29 博康智能网络科技股份有限公司 移动机器人的路径规划方法
CN104808671A (zh) * 2015-05-19 2015-07-29 东南大学 一种家居环境下的机器人路径规划方法
CN105652873A (zh) * 2016-03-04 2016-06-08 中山大学 一种基于Kinect的移动机器人避障方法
CN105807760A (zh) * 2014-12-30 2016-07-27 Tcl集团股份有限公司 一种智能机器人及其自建路径的方法和装置
CN105867365A (zh) * 2016-03-11 2016-08-17 中国矿业大学(北京) 基于改进人工势场法的路径规划导航***及方法
CN106125764A (zh) * 2016-08-03 2016-11-16 西北工业大学 基于a*搜索的无人机路径动态规划方法
CN106125742A (zh) * 2016-08-30 2016-11-16 宁波菜鸟智能科技有限公司 机器人的行走控制方法、装置及***
CN107015563A (zh) * 2016-12-29 2017-08-04 北京航空航天大学 移动机器人路径规划方法及装置
CN107168324A (zh) * 2017-06-08 2017-09-15 中国矿业大学 一种基于anfis模糊神经网络的机器人路径规划方法
CN107831773A (zh) * 2017-11-30 2018-03-23 深圳市沃特沃德股份有限公司 扫地机器人全覆盖清扫的方法及扫地机器人
CN108196555A (zh) * 2018-03-09 2018-06-22 珠海市微半导体有限公司 自主移动机器人沿边行走的控制方法
CN108489501A (zh) * 2018-03-16 2018-09-04 深圳冰川网络股份有限公司 一种基于智能绕过障碍的快速路径搜索算法
CN108709562A (zh) * 2018-04-28 2018-10-26 北京机械设备研究所 一种移动机器人滚动栅格地图构建方法
CN109562519A (zh) * 2016-08-03 2019-04-02 Lg电子株式会社 移动机器人及其控制方法
CN109782807A (zh) * 2019-03-08 2019-05-21 哈尔滨工程大学 一种回形障碍物环境下的auv避障方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9302678B2 (en) * 2006-12-29 2016-04-05 Robotic Research, Llc Robotic driving system

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5109566A (en) * 1990-06-28 1992-05-05 Matsushita Electric Industrial Co., Ltd. Self-running cleaning apparatus
US5974347A (en) * 1997-03-14 1999-10-26 Nelson; Russell G. Automated lawn mower
CN101354587A (zh) * 2008-09-04 2009-01-28 湖南大学 一种未知环境下移动机器人多行为融合自动导航方法
CN101833333A (zh) * 2009-12-23 2010-09-15 湖南大学 水下清洗作业机器人未知环境路径规划方法
CN101738195A (zh) * 2009-12-24 2010-06-16 厦门大学 基于环境建模与自适应窗口的移动机器人路径规划方法
WO2013152675A1 (zh) * 2012-04-13 2013-10-17 科沃斯机器人科技(苏州)有限公司 自移动地面处理机器人及其清洁工作的控制方法
CN105807760A (zh) * 2014-12-30 2016-07-27 Tcl集团股份有限公司 一种智能机器人及其自建路径的方法和装置
CN104571113A (zh) * 2015-01-20 2015-04-29 博康智能网络科技股份有限公司 移动机器人的路径规划方法
CN104808671A (zh) * 2015-05-19 2015-07-29 东南大学 一种家居环境下的机器人路径规划方法
CN105652873A (zh) * 2016-03-04 2016-06-08 中山大学 一种基于Kinect的移动机器人避障方法
CN105867365A (zh) * 2016-03-11 2016-08-17 中国矿业大学(北京) 基于改进人工势场法的路径规划导航***及方法
CN106125764A (zh) * 2016-08-03 2016-11-16 西北工业大学 基于a*搜索的无人机路径动态规划方法
CN109562519A (zh) * 2016-08-03 2019-04-02 Lg电子株式会社 移动机器人及其控制方法
CN106125742A (zh) * 2016-08-30 2016-11-16 宁波菜鸟智能科技有限公司 机器人的行走控制方法、装置及***
CN107015563A (zh) * 2016-12-29 2017-08-04 北京航空航天大学 移动机器人路径规划方法及装置
CN107168324A (zh) * 2017-06-08 2017-09-15 中国矿业大学 一种基于anfis模糊神经网络的机器人路径规划方法
CN107831773A (zh) * 2017-11-30 2018-03-23 深圳市沃特沃德股份有限公司 扫地机器人全覆盖清扫的方法及扫地机器人
CN108196555A (zh) * 2018-03-09 2018-06-22 珠海市微半导体有限公司 自主移动机器人沿边行走的控制方法
CN108489501A (zh) * 2018-03-16 2018-09-04 深圳冰川网络股份有限公司 一种基于智能绕过障碍的快速路径搜索算法
CN108709562A (zh) * 2018-04-28 2018-10-26 北京机械设备研究所 一种移动机器人滚动栅格地图构建方法
CN109782807A (zh) * 2019-03-08 2019-05-21 哈尔滨工程大学 一种回形障碍物环境下的auv避障方法

Also Published As

Publication number Publication date
CN110262512A (zh) 2019-09-20

Similar Documents

Publication Publication Date Title
CN107792073B (zh) 一种车辆换道控制方法、装置及相关设备
CN110262512B (zh) 一种移动机器人脱离u形障碍陷阱的避障方法及***
CN108444488B (zh) 基于等步采样a*算法的无人驾驶局部路径规划方法
CN105223956B (zh) 一种全向移动机器人的动态避障方法
JP2022516382A (ja) 自律型車両の計画および予測
CN107894773A (zh) 一种移动机器人的导航方法、***及相关装置
US11693414B2 (en) Non-solid object monitoring
CN109875470A (zh) 脱困方法、设备及存储介质
Godoy et al. Adaptive learning for multi-agent navigation
CN109241552A (zh) 一种基于多约束目标的水下机器人运动规划方法
CN109416883A (zh) 车辆控制方法及车辆控制装置
CN105549600B (zh) 一种基于虚拟膨化的运动障碍与uuv相向航行的规避方法
US11866070B2 (en) Vehicle control method and apparatus, storage medium, and electronic device
CN108490939B (zh) 在局部感知能力下的势流法的避障方法
CN108657176A (zh) 车辆控制方法、装置及相关计算机程序产品
Murphey et al. Accurate pedestrian path prediction using neural networks
Yan et al. Reinforcement Learning‐Based Autonomous Navigation and Obstacle Avoidance for USVs under Partially Observable Conditions
Wang et al. Reasoning about potential hidden traffic participants by tracking occluded areas
Karamouzas et al. A velocity-based approach for simulating human collision avoidance
WO2023082492A1 (zh) 一种航站楼载人机器人路径拓展通行方法
Rahman et al. Driver intent prediction with barrier functions
JPH0816240A (ja) 時間軸を探索空間に取り入れた経路探索装置
US20220324544A1 (en) Control device for controlling a watercraft, watercraft having such a control device, and method for controlling a watercraft
CN112585616A (zh) 用于预测行人的至少一个将来的速度矢量和或将来的姿态的方法
CN113934219B (zh) 一种机器人自动避障方法、***、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant